1 Introducción

Artificial
a la Visión

Uno de los sentidos más importantes de los seres humanos es la visión. Ésta es
empleada para obtener la información visual del entorno físico. Según Aristóteles,
“Visión es saber que hay y donde mediante la vista”. De hecho, se calcula que más de
70% de las tareas del cerebro son empleadas en el análisis de la información visual. El
refrán popular de “Una imagen vale más que mil palabras” tiene mucho que ver con
los aspectos cognitivos de la especie humana. Casi todas las disciplinas científicas
emplean utillajes gráficos para transmitir conocimiento. Por ejemplo, en Ingeniería
Electrónica se emplean esquemas de circuitos, a modo gráfico, para describirlos. Se
podría hacerlo mediante texto, pero para la especie humana resulta mucho más eficiente
procesar imágenes que procesar texto. Lo mismo se podría decir de la arquitectura de
edificios o más recientemente se está empleando métodos gráficos en el desarrollo del
software, como es la herramienta visual UML. La visión humana es el sentido más
desarrollado y el que menos se conoce debido a su gran complejidad. Es una actividad
inconsciente y difícil de saber cómo se produce. De hecho, hoy en día, se carece de una
teoría que explique cómo los humanos perciben el exterior a través de la vista.

En el año 1826 el químico francés Niepce (1765-1833) llevó a cabo la primera

fotografía, colocando una superficie fotosensible dentro de una cámara oscura para fijar
la imagen. Posteriormente, en 1838 el químico francés Daguerre (1787-1851) hizo el
primer proceso fotográfico práctico. Daguerre utilizó una placa fotográfica que era
revelada con vapor de mercurio y fijada con trisulfato de sodio.

Dpto. Electrónica, Automática e Informática Industrial 11

Carlos Platero Apuntes de Visión Artificial

Figura 1. 1 Primeras fotografías

Desde que se inventó la fotografía se ha intentado extraer características físicas

de las imágenes. La Fotogrametría dio sus primeros pasos desde imágenes capturadas en
globos. La Astronomía avanzó enormemente con el análisis de imágenes recibidas por
los telescopios. El análisis de radiografías transformó la Medicina. Se podrían citar
muchos más ejemplos que durante décadas han transformado la percepción de la
Ciencia con el procesamiento de las imágenes, alguna veces por separado y otras de
forma multidisiciplinar.

Figura 1. 2 Aplicaciones del procesamiento de imágenes a) Astronomía, b) Fotogrametría, c)

Medicina, d) Industria

12 Dpto. Electrónica, Automática e Informática Industrial

 Apuntes de Visión Artificial Capítulo 1: Introducción a la Visión Artificial

Sin embargo, el momento histórico que hace que estas técnicas confluyan y den
un cuerpo de conocimiento propio, surge en la década de los 80. La revolución de la
Electrónica, con las cámaras de vídeo CCD y los microprocesadores, junto con la
evolución de las Ciencias de la Computación hace que sea factible la Visión Artificial.

Por tanto, la Visión Artificial o también llamada Visión por Computador,

pretende capturar la información visual del entorno físico para extraer características
relevantes visuales, utilizando procedimientos automáticos. Según Marr, “Visión es un
proceso que produce a partir de imágenes del mundo exterior una descripción útil para
el observador y no tiene información irrelevante”.

Para algunos autores, como González y Woods, los primeros atisbos de este
proceder se remontan a la década de los años 20 del siglo XX, cuando se transmitían
imágenes transoceánicas, a través de cable submarino. Las fotografías periodísticas
entre Europa y América tardaban una semana en llegar a través de los barcos. Al
emplear las primeras técnicas de procesamiento de las imágenes se pasó sólo a tres
horas. Las imágenes se codificaban a cinco niveles de grises y se transmitían por
teléfono. No obstante, éste podría ser el principio de las técnicas de procesamiento de
las imágenes, pero no el de la Visión Artificial, tal cual se ha definido. El concepto de
Visión Artificial es más amplio y recupera para sí, todos los conocimientos de análisis
de las imágenes desempeñado por otras disciplinas desde los albores de la fotografía.

Parece claro que para tratar sobre la Visión, lo primero a estudiar será la
naturaleza de la luz, para luego pasar a entender cómo funciona la visión humana y
acabar con las partes de la Visión Artificial.

1.1 La naturaleza de la Luz

La luz fue considerara, hasta el siglo XVIII, como una corriente de corpúsculos.
Éstos eran emitidos por los focos luminosos y disminuía su densidad a medida de que se
alejaban del foco. Podían penetrar en las sustancias transparentes y se reflejaban en las
superficies de los cuerpos opacos. Cuando los corpúsculos penetraban en el ojo,
excitaban el sentido de la vista. Esta teoría corpuscular fue desarrollada por Newton en
el siglo XVII y mejorada posteriormente, con el modelo cuántico, por Plank a principios
del siglo XX.

En el siglo XIX, los trabajos de Young, Fresnel y Foucault salvaron la mayoría

de las objeciones de la teoría ondulatoria. El impulso definitivo lo dio Maxwell, al
explicar la luz como una radiación ondulatoria. Sin embargo, el efecto fotoeléctrico
proporciono evidencias experimentales de que la luz tenía carácter corpuscular en la
interacción con la materia. Hoy se admite que en la emisión de la luz intervienen
electrones con cantidades de energía determinadas o discretas. Cuando un electrón pasa
de un nivel de energía a otro inferior emite una partícula discreta de energía, llamada
cuanto o fotón. El problema ahora consiste en hacer concordar el cuanto o característica
corpuscular de la luz con la idea de onda continua. Para la Mecánica Cuántica, cuando
se trata del comportamiento de gran número de cuantos, la teoría ondulatoria explica
satisfactoriamente los fenómenos, pero al considerar el comportamiento de unos pocos
cuantos prevalece la teoría corpuscular. Así, los fenómenos de propagación de la luz

Dpto. Electrónica, Automática e Informática Industrial 13

 Carlos Platero Apuntes de Visión Artificial

encuentran su mejor explicación dentro de la teoría ondulatoria, mientras que la acción

mutua entre luz y materia, en los procesos de absorción y emisión, es un fenómeno
corpuscular. Hoy aún se mantiene la teoría dual de la luz.

La mayor parte del temario versará sobre la propagación de la luz y la formación

de imágenes. Todos estos fenómenos pueden interpretarse a partir de la teoría
ondulatoria. Por tanto, se puede considerar que las fuentes luminosas emanan de un
frente de ondas, las cuales pueden ser representadas, imaginariamente, por líneas rectas
en la dirección de la propagación del tren de ondas, a las que se llamará rayo.

1.1.1 La luz como onda electromagnética

Algunos tipos de energía requieren de un medio conductor para propagarse.

Como así sucede con la energía eléctrica o mecánica. Pero hay otros tipos de fuentes
energéticas que no necesitan de un soporte conductor, éste el caso de la luz. Las
radiaciones electromagnéticas se propagan en forma de dos ondas vectoriales
mutuamente acopladas y perpendiculares entre sí; una onda para el campo eléctrico y
otra para el campo magnético. Según la teoría ondulatoria, la luz se propaga en forma de
onda que viaja en el espacio libre con una velocidad constante c = 3⋅108 m/s. El espectro
visible es una porción muy pequeña del conjunto de ondas electromagneticas que tiene
la peculiaridad de ser captada por los ojos y procesada en el cerebro. El ojo humano es
capaz de distinguir radiaciones de longitudes de onda comprendidas entre los 380 nm a
los 780 nm, cuyas frecuencias oscilan entre los 3.2⋅1014 Hz y los 7.7⋅1014 Hz 1 . Al ser
recibidas interpreta las diferentes amplitudes y frecuencias, produciendo sensaciones
conocidas como brillo y color respectivamente.

Figura 1. 3 a) Campo electromagnético b) Espectro de la luz

Fue Newton quien observó cómo la luz blanca, la procedente de la luz solar, se
podía descomponer en unas serie de haces luminosos de colores cuando atravesaba un
prisma óptico. Newton, con este experimento, hallo el espectro de la luz diurna
mediante el fenómeno conocido como dispersión de la luz o dispersión cromática, cuya
explicación física escapaba de su teoría corpuscular. Mediante la teoría ondulatoria se
sabe que cada color es en realidad una onda electromagnética de frecuencia determinada
y que, al penetrar en el prisma óptico, se desvía en una dirección diferente debido a que
el índice de refracción de este material varia con la frecuencia de la onda penetrante,

c
1
La frecuencia de la onda es la velocidad de la luz, partido su longitud: f =
λ

14 Dpto. Electrónica, Automática e Informática Industrial

 Apuntes de Visión Artificial Capítulo 1: Introducción a la Visión Artificial

con lo que el haz se expande de forma que las radiaciones monocromáticas, de éste
incluidas, puedan ser distinguidas y observadas por el ojo humano.

Figura 1. 4 Dispersión cromática

1.1.2 Fuentes de luz

La distribución espectral de la energía radiada, f (λ ) , es una función que

representa la cantidad de potencia asociada a cada longitud de onda, λ. Si la distribución
presenta un pico sobre una determinada longitud de onda y es despreciable el resto de
componentes, se dice que es una radiación monocromática. Éste es el caso de la luz
láser. La luz blanca se caracteriza por tener una distribución uniforme en su espectro.

Figura 1. 5 Diversos espectros de fuentes de luz

Cada onda luminosa monocromática lleva asociada una energía, cuyo valor es
igual a 2 :

2
La longitud de onda del láser de un DVD está entre los 630 nm y los 650 nm, en un CD es de
780 nm. La potencia del laser de un DVD es de 5.4 μW y el de un CD es de 1.85 μW.

Dpto. Electrónica, Automática e Informática Industrial 15

Carlos Platero Apuntes de Visión Artificial

h⋅c
Q = h⋅ f =
λ (1. 1)

Donde h es la constante de Planck, igual a 6.63⋅10-34 J⋅s, f es la frecuencia, c la

velocidad de la luz y λ la longitud de la onda. Así, la luz de menor frecuencia tiene
menor contenido energético, mientras que la luz de menor longitud de onda posee
mayor energía.

Ejemplo 1.1

¿Cuál es el flujo de fotones por segundo, Π, de un laser de DVD con una

potencia de 5μW emitiendo con una longitud de onda de 650 nm?

h⋅c 6.63 ⋅ 10 −34 ⋅ 3 ⋅ 10 8

Q= = = 3 ⋅ 10 −19 J
λ 650 ⋅ 10 −9

P 5 ⋅ 10 −6
Π= = = 1.67 ⋅ 1013 fotones/s
Q 3 ⋅ 10 −19

La energía radiante emitida por una fuente luminosa, por unidad de tiempo y por
unidad de área, depende de la naturaleza de la superficie y de su temperatura. Esta
radiación es una mezcla de diferentes longitudes de onda. La temperatura de color es la
temperatura a la que hay que calentar un radiador de energía o fuente de radiaciones
para que emita radiaciones en determinadas longitudes de onda. A temperaturas bajas,
este manatial radiará energía que se hace visible con longitudes de ondas largas (rojas
anaranjados), mientras que a altas temperaturas llegará a emitir radiaciones de
frecuencia elevadas (azules). Por ejemplo, a la temperatura de 600 K, la más intensa de
estas ondas tiene una longitud de 500nm, que se encuentra en la región del infrarrojo,
mientras a 1000 K, un cuerpo emite bastante energía radiante visible para ser luminosos
por si mismo y parece incandescente; no obstante, la mayor parte de la energía emitida
es transportada, con mucho, por ondas infrarrojas. A 3000 K, que es aproximadamente
la temperatura del filamento de una lámpara de incandescencia, la energía radiante
contiene bastantes longitudes de onda visibles, de las comprendidas entre 400nm y
700nm, de modo que el cuerpo parece casi rojo blanco.

Figura 1. 6 Temperatura de color

La relación entre la radiación radiada y la temperatura del foco viene

determinada por la ley de Stefan-Boltzmann:

16 Dpto. Electrónica, Automática e Informática Industrial

Apuntes de Visión Artificial Capítulo 1: Introducción a la Visión Artificial

E = K SB T 4 (1. 2)

Donde KSB es la constante de Stefan-Boltzmann (5.7⋅10-8W/m2K4), T es la

temperatura del emisor y E es la potencia radiada por metro cuadrado, llamada
iluminación.

Ejemplo 1.2

La excitación emitida por un pequeño agujero en un horno es de 22.8 W/cm2 es

medido por un pirómetro óptico. ¿ Cuál es la temperatura interna del horno?

1
⎛ 22.8 ⋅ 10 4 W / m 2 ⎞ 4
E = K SB T 4 → T = ⎜⎜ −8
⎟ = 1414 K
4 ⎟
⎝ 5.7 ⋅ 10 W / m K ⎠
2

El flujo luminoso se calcula a partir de la distribución espectral, f (λ ) :

∞
Φ = ∫ f (λ )dλ
0 (1. 3)

La magnitud física del flujo luminoso, en el sistema internacional, es el vatio.

El flujo luminoso emitido por un manantial luminoso

depende de la abertura y del tamaño del cono de radiación,
esto es, del ángulo sólido 3 . Se considera el manantial
luminoso puntual S de la figura 1.7. Y sea dΦ el flujo
luminoso que atraviesa una sección cualquiera de un
estrecho cono de ángulo sólido dω estereorradianes, cuyo
vértice coincida con el manantial. La intensidad luminosa
del manantial, en la dirección del cono, se define como la
razón del flujo, dΦ, al ángulo sólido, dω, o sea, como el
flujo luminoso emitido por unidad de ángulo sólido. La Figura 1. 7 Flujo luminoso
intensidad luminosa se representa por I:

dΦ
I =
dω ( 1.4 )

3
El ángulo sólido se define como el área de una superficie esférica, dA, dividida por el cuadrado
del radio de la esfera, R. Su unidad es el estereorradian, [sr], una cantidad adimensional. Una esfera tiene
4π esterorradianes de ángulo sólido.

Dpto. Electrónica, Automática e Informática Industrial 17

 Carlos Platero Apuntes de Visión Artificial

La unidad de intensidad es vatio por estereorradián. La mayor parte de los

manantiales no emiten cantidades iguales de flujo por unidad de ángulo sólido en todas
las direcciones.

1.1.3 Interacción entre la luz y la materia

Cuando un cuerpo recibe radiación luminosa, una parte es absorbida, otra es

reflejada y hay otra parte que es transmitida. Por el principio de conservación de la
energía, el flujo luminoso incidente será igualado a los tres mecanismos mencionados:

Φ INCIDENTE = Φ TRANSMITIDA + Φ ABSORBIDA + Φ REFLEJADA (1. 5)

Según sea la longitud de onda que reflejen, transmitan o absorban así será el
color con el que se percibe el objeto. Un objeto que absorba todas las frecuencias se
captará como negro, mientras que un cuerpo que refleje todas las longitudes de onda
visibles aparecerá blanco. En los objetos opacos la transmitancia es insignificante,
siendo las frecuencias que refleja el cuerpo las que determinan con que color se percibe.
En los transparentes, por el contrario, son la reflectancia y la absortancia las que valen
prácticamente cero. En consecuencia, una especificación puramente objetiva del color
de una superficie opaca puede expresarse en términos de reflectancia espectral. En el
S caso de materiales transparentes vendrán dada
por la transmitancia espectral.
n
ϑ
La radiación reflejada, la captada por
el observador, depende de la naturaleza de la
l superficie en la que se refleja el haz luminoso,
así como las condiciones de iluminación y
dA posición del punto de vista. Sea dA, en la
figura 1.8, un elemento de superficie cuya
normal n forma un ángulo θ respecto a un
Figura 1. 8 Sistemas de coordenadas manantial puntual S. Asumiendo que la fuente
lumninosa S ilumina por igual en todas las
direcciones. La relación entre el flujo incidente en la superficie respecto al área, define
la iluminación como:

E=
dΦ I ⋅ dω I ⋅
= =
dA′ ⋅ cos θ 2
r ≅ =
r r
I ⋅ cos θ I ⋅ n ⋅ l ( )
dA dA dA r2 r2 ( 1.6 )

V
De otro lado, a la fracción del flujo incidente
que sea reflejada en la dirección del observador, esto es,
desde la superficie al sensor se la llama radiación
reflejada o luminancia. La radiación reflejada de la n
superficie es definida como el flujo emitido por unidad
v
de área reflejada y por unidad de ángulo sólido en la
dirección vista por el sensor. Se define la radiación
radiada, L, como:
dA

18 Dpto. Electrónica, Automática e Informática Industrial

Apuntes de Visión Artificial Capítulo 1: Introducción a la Visión Artificial

d 2Φ dI dI I
L= ≅ = r r =
dA cos θ r dω r dA cos θ r dA ⋅ (n ⋅ v ) S aparente ( 1.7 )

donde dωr es el ángulo sólido del sensor visto desde la superficie reflejada.
Considerando que la superficie es iluminada desde una dirección θi, se define la función
de distribución reflejada bidireccional ( bi-directional reflectance distribution function,
BRDF), Fr de una superficie, como el nivel de radiación reflejada de una luz incidente
vista desde (θr φr) por unidad de iluminación incidente:

Lr (θ r )
Fr (θ i , θ r ) =
Ei (θ i ) ( 1.8 )

En la tabla 1.1 aparecen las magnitudes radiométricas en el Sistema

Internacional y en unidades derivadas del Sistema Internacional 4 :

Magnitud física Símbolo Unidad en S.I. Unidades derivadas

del S.I.

Flujo luminoso Φ W Lumen(Cd/sr)

Intensidad luminosa I W sr-1 Candela (Cd)

Iluminación E W m-2 Lux(Lumen/m2)

Radiación o L W m-2 sr-1 Cd/m2

luminancia

Tabla 1.1 Unidades del S.I. de las magnitudes de Radiometría

Ejemplo 1.3

Un relé es controlado por una célula fotoeléctrica. Ésta tiene una abertura de 15
mm x 40 mm y requiere al menos un flujo mínimo de 0.3 mW. ¿A que distancia
máxima se pondrá un emisor puntual que tiene como intensidad 1 W/sr?

0.3 ⋅ 10 −3
E≥ = 0.5W / m 2
15 ⋅ 10 −3 ⋅ 40 ⋅ 10 −3
I
d max = = 1.41m
E

4
La candela es la intensidad luminosa, en una dirección dada, de una fuente que emite una
radiación monocromática de frecuencia 5.4 × 1014 Hz y cuya intensidad energética en esa dirección es
1/683 vatios por estereorradián (W/sr)

Dpto. Electrónica, Automática e Informática Industrial 19

 Carlos Platero Apuntes de Visión Artificial

Ejemplo 1.4

¿Cuál es la potencia del Sol, si se sabe que la luz tarda 8 minutos en llegar a la
Tierra y la radiación incidente en la Tierra es de 1kW/m2?. ¿Y la temperatura del Sol, si
el radio es de 6.96⋅108 m?

(
I = E ⋅ d 2 = 10 3 ⋅ 8 ⋅ 60 ⋅ 3 ⋅ 10 8 )
2
= 2.07 ⋅ 10 25 W ⋅ sr −1
Φ = 4πI = 2.6 ⋅ 10 26 W

1
Φ ⎛ 4.27 ⋅ 10 W / m ⎞ 7 2 4
E= = 4.27 ⋅ 10 7 W / m 2 → E = K SB T 4 → T = ⎜⎜ ⎟ = 5232 K
4 ⎟
4πR 2
⎝ 5.7 ⋅ 10 −8
W / m 2
K ⎠

1.2 Visión humana y visión artificial

La visión es el sentido más importante que tiene el ser humano. Así, mientras,
para el oído se tiene alrededor de treinta mil terminaciones nerviosas, en la vista hay
más de dos millones. La irradiación exterior recibida por el ojo debe ser transformada
en señales que sean procesadas por el cerebro. El ojo es el elemento transductor,
mientras que el cerebro es el que procesa dicha información.

El ojo tiene forma aproximadamente esférica y de unos 2.5 cm de diámetro. El

ojo está formado por una óptica y una zona sensorial. La óptica está constituida por la
córnea, el iris o pupila y el cristalino. La cornea es un material transparente y funciona
como lente fija. La pupila regula la cantidad de luz que entra en el interior y el cristalino
hace las veces de lente variable, permitiendo el enfoque dependiendo de la distancia de
los objetos. Los músculos que sujetan al cristalino provocan su deformación, cuya
consecuencia es el enfoque del campo visual. La misión de la óptica del ojo es conducir
la radiación electromagnética, del espectro visible, hacia la retina.

Figura 1. 9 Secciones del ojo

La retina se encuentra en la parte posterior del glóbulo ocular y es donde se

ubican las células fotosensibles: los conos y los bastones.

20 Dpto. Electrónica, Automática e Informática Industrial

Apuntes de Visión Artificial Capítulo 1: Introducción a la Visión Artificial

Figura 1. 10 Células fotosensibles

En la retina se puede distinguir dos partes: la fóvea y la mácula. La fóvea es la

parte central de la retina, de menor tamaño y donde se encuentran los conos. Es en esta
zona donde se tiene mayor sensibilidad a la longitud de la onda electromagnética, con
un ángulo visual de dos grados. La apertura corresponde, aproximadamente, con el
ancho del pulgar extendido el brazo. La fóvea es tan pequeña que es necesario mover el
ojo para enfocar dos puntos tan próximos como los del signo de puntuación (:). Esta
información visual transmitida al cerebro se llama visión fóvea. La mácula es de mayor
extensión, la agudeza visual es menor y está definida por los bastones. Esta zona se
encarga de la visión periférica.

La percepción del color de una imagen la realizan los conos. Son unos seis
millones y cada cono tiene conexión a varias neuronas. Basándose en la información
aportada por los conos, el cerebro construye la sensación de color. Por el contrario, los
bastones son más de 100 millones y son capaces de detectar la intensidad lumínica.
Varios bastones están asociados a una única neurona.

Figura 1. 11 Distribuciones de conos y bastones en la retina

Mientras la visión fóvea tiene mayor agudeza, más resolución y percibe los
colores, la visión periférica le da al cerebro más información espacial que la fóvea y
destaca los contrastes. De este hecho, se destaca que en la oscuridad, la visión periférica
es más adecuada que intentando centrar la visión sobre el objeto.

Dpto. Electrónica, Automática e Informática Industrial 21

Carlos Platero Apuntes de Visión Artificial

Figura 1. 12 Sensibilidad del ojo en luz diurna y en visión nocturna

La sensibilidad a la intensidad en el ser humano es alta siempre que los

elementos que se comparen sean pocos. Cuando el número de intensidades involucradas
simultáneamente es superior a unos 24 tonos se pierde la mayor parte de esta
sensibilidad. Esto explica que, en la mayoría de los casos prácticos, sea suficiente el uso
de 32 ó 64 niveles de intensidad para representar una imagen.

El color es una característica del sistema de percepción humana y está

relacionado con las sensaciones recibidas por el ojo en el espectro visible. El color es la
respuesta del sistema visual humano ante las variaciones de las longitudes de onda del
espectro electromagnético visible. Estudios fisiológicos han revelado que existen tres
tipos de conos, denominados tipos S, M y L. Los S son más sensibles a las ondas cortas
(azules – 450nm), los M a las medias (verde – 540 nm) y los L a las de longitudes largas
(rojo - 650 nm). Este hecho ha dado base a la teoría del triestimulo, de manera que el
color se puede representar en una base de tres componentes fundamentales: rojo-verde-
azul (RGB – Red, Green, Blue).

La sensibilidad de cada cono no es exactamente igual a cada parte del espectro

fijado. Concretamente, los conos azules son los menos sensibles, mientras que los conos
verdes son los más sensibles. Otra consideración a tener en cuenta es la refracción de los
rayos luminosos que penetran en la retina. No todos afectan por igual. La luz de alta
frecuencia (azul) focaliza en un punto anterior a la retina, mientras que las bajas
frecuencias (rojos) lo hacen en puntos posteriores. Esto tiene como consecuencia que
los detalles rojos o azules no puedan distinguirse netamente en una escena. Justo lo
contrario de lo que ocurre con los verdes, cuyo punto de convergencia o focalización se
sitúa exactamente en la retina, lo que induce a una mayor resolución del ojo para estas
tonalidades.

22 Dpto. Electrónica, Automática e Informática Industrial

Apuntes de Visión Artificial Capítulo 1: Introducción a la Visión Artificial

Figura 1. 13 a) Distorsión cromática b) Sensibilidad del ojo a la longitud de onda

Una vez que la señal luminosa ha sido transformada en pulsos eléctricos por los
conos y bastones, éstos son transportados al cerebro por los nervios ópticos. Los pulsos
son llevados al lóbulo occipital, donde se encuentra el córtex visual. Es una zona de 24
cm2 con 1.5⋅108 neuronas. Al hemisferio derecho llega la información del ojo izquierdo
y viceversa. En el cerebro se realiza una labor de extracción de las características de la
imagen. Para ello existen zonas especializadas que responden mejor a un tipo de
característica que a otras.

Figura 1. 14 Córtex visual

El hombre ha imitado muchas veces, en la construcción de sus artefactos, a la

Naturaleza. En este caso también se cumple. Las cámaras CCD con sus ópticas hacen
las veces del globo ocular, mientras el computador realizará las tareas de procesamiento,
emulando el comportamiento del cerebro. Cuando se establecieron en la década de los
50, los objetivos de la Inteligencia Artificial, se suponía que con la llegada del siglo
XXI habría máquinas que serían capaces de describir, con información de alto nivel, las
escenas capturadas. Con el paso del tiempo se vio que aquel anhelo se iba
desvaneciendo. Hoy en día, todavía no hay una teoría de la visión. No se conoce los
mecanismos que el cerebro utiliza para obtener la información de la percepción. El
cerebro es capaz, de manera inconsciente, de determinar la distancia a los objetos, de
reconocerlos en diferentes posiciones, aunque se encuentren rotados y con información

Dpto. Electrónica, Automática e Informática Industrial 23

Carlos Platero Apuntes de Visión Artificial

parcialmente oculta. En definitiva, el cerebro presenta una sofisticación en la percepción

que ni ahora ni en mucho tiempo habrá posibilidad de implementar artificialmente.

Figura 1. 15 Imitación artificial del ojo

Lo que si hace la Visión Artificial es construir nuevos y más sofisticados

algoritmos que sean capaces de obtener información de bajo nivel visual. Y aunque
todavía se esté años luz de la percepción visual de los seres vivos, la Visión Artificial es
muy eficaz en tareas visuales repetitivas y alienantes para el hombre. Por ejemplo, en el
campo de la inspección de productos en la industria o en contar células en una imagen
de microscopía o en determinar la trayectoria de un vehículo en una autopista, etc.

Resumiendo, las principales ventajas de la visión humana respecto a la artificial

y viceversa, son:

Sistema humano:

ƒ Mejor reconocimiento de objetos.

ƒ Mejor adaptación a situaciones imprevistas.

ƒ Utilización de conocimiento previo.

ƒ Mejor en tareas de alto nivel de proceso.

Sistema artificial:

ƒ Mejor midiendo magnitudes físicas.

ƒ Mejor para la realización de tareas rutinarias.

ƒ Mejor en tareas de bajo nivel de proceso.

24 Dpto. Electrónica, Automática e Informática Industrial

 Apuntes de Visión Artificial Capítulo 1: Introducción a la Visión Artificial

1.3 Configuración básica de un sistema de Visión Artificial

Los dos pilares del sistema físico de visión artificial son: el sistema de formación
de las imágenes y el sistema de procesamiento de éstas. En el primer apartado estaría
constituido por el subsistema de iluminación, de captación de la imagen y de
adquisición de la señal en el computador. Una vez introducida la señal en el
computador, ésta es procesada mediante los algoritmos para transformarla en
información de alto nivel. La cual puede ser utilizada para su representación visual, para
actuar en el planificador de un robot o ser fuente de datos para un autómata
programable. En definitiva, múltiples periféricos pueden ser receptores de esta
información y vincularse con el sistema de procesamiento de las imágenes.

Desgranado las peculiaridades de cada subsistema pueden ser resueltas en las

siguientes reflexiones introductorias:

• Subsistema de iluminación: conjunto de artefactos que producen

radiación electromagnética para que incidan sobre los objetos a
visualizar. Se puede citar algunos elementos como lámparas, pantallas
fotográficas, filtros de luz, láseres, …

• Subsistema de captación: son los transductores que convierten la

radiación reflejada luminosa en señales eléctricas. Fundamentalmente se
habla de las cámaras CCD, no sólo en el espectro visible, sino que van
desde la radiación gamma hasta la radiofrecuencia o microondas, dando
paso a sensores de ultrasonidos, sonar, radar, telescopía, …

• Subsistema de adquisición: la señal eléctrica procedente de las cámaras

forman la señal de vídeo. Hay una tendencia creciente a que su
naturaleza sea de tipo digital, pero todavía existen muchas señales de
vídeo de carácter analógico (CCIR, PAL, RS170, NTSC,…). Para ser
tratadas hay que muestrearlas y cuantificarlas. Ambas tareas son
realizadas por las tarjetas de adquisición. También se las llama frame
grabbers. Se depositan en el bus de expansión del computador. Hay para
buses desde PCI hasta VMP. Recientemente, también se están empleando
las tecnologías de USB o FireWire.

• Subsistema de procesamiento: Suele ser un computador o un cluster de

computadores, dependiendo de las necesidades de los algoritmos de
Visión Artificial. Parten de una representación digital de las imágenes y
procesan esta información hasta alcanzar otro tipo de información de más
alto nivel. La transformación dependerá de la algoritmia.

• Subsistemas de periféricos: conjunto de elementos receptores de la

información de alto nivel. Puede ser un monitor de altas prestaciones
gráficas, un automatismo, una impresora sacando las características,…

Dpto. Electrónica, Automática e Informática Industrial 25

 Carlos Platero Apuntes de Visión Artificial

Figura 1. 16 Subsistemas físicos de un equipo de visión artificial

1.3.1 Representación de las imágenes en los computadores digitales

Aunque el sistema de visión humano tiene mayor resolución en la fóvea y menos

en la periferia, se ha observado que a pesar de que la distribución de los fotorreceptores
no es uniforme, la percepción visual si lo es. Los humanos percibimos con una única
resolución. Estas circunstancias han conducido a la utilización de sensores con matrices
de resolución uniforme. Por tanto, la organización corresponde a una matriz 2D
uniforme.

Las imágenes para ser procesadas en el computador han sido adquiridas a través
de la cámara de vídeo y puestas en su memoria empleando las tarjetas de adquisición de
vídeo. Esta señal es de carácter bidimensional y emplea variables discretas. Los
elementos de la matriz se llaman píxeles. El acceso a esta elemental información se hace
indicando la fila y la columna que ocupa. El origen de coordenadas de la imagen se
encuentra en la esquina superior izquierda. El eje horizontal corresponde con las
columnas y el eje vertical con las filas. Se emplearán índices enteros para posicionar el
píxel. Se denotará el valor del píxel a través de una función, del tipo f(x,y), siendo x el
índice de la fila e y de la columna.

Si la imagen es acromática, sólo se presenta la luminancia, esto es, los niveles de

grises. La función f(x,y) retornará el nivel de gris del píxel mencionado. En caso de que

26 Dpto. Electrónica, Automática e Informática Industrial

 Apuntes de Visión Artificial Capítulo 1: Introducción a la Visión Artificial

la imagen sea en color, f(x,y) devolverá un vector. Normalmente, suele expresarse como
una proyección del color sobre el sistema RGB (Red-Green-Blue).

Figura 1. 17 Organización matricial uniforme de una imagen digital

La imagen puede ser de tipo 3D, por ejemplo, en resonancia magnética, luz
estructurada, etc. Éstas se presentan como una pila de imágenes 2D. Se les añade otro
índice, denominado k o z, que indica el orden de la rodaja de imagen 2D dentro de la
pila.

La secuencia temporal de imágenes estáticas da lugar al vídeo. En el cine se

emplea 25 fotogramas por segundo, gracias a la inercia visual del ojo humano, da
sensación de continuidad en la escena.

1.3.2 Etapas básicas de una aplicación en Visión Artificial

Aunque cada aplicación de Visión Artificial tiene sus especificidades, se puede

decir que existe un tronco común de etapas entre ellas. No necesariamente debe cubrirse
todas en una implementación concreta. Hay algunas veces que sólo se tiene un
subconjunto de las fases que se van a citar. Por otro lado, aunque la exposición muestra
un encadenamiento temporal de una etapa sobre otra, no es real esta simplificación; se
hace para facilitar la comprensión y en la puesta en práctica, siempre se encuentra
realimentación entre las distintas fases.

La primera etapa es la construcción del sistema de formación de las imágenes.

Su objetivo es realzar, mediante técnicas fotográficas (iluminación, óptica, cámaras,
filtros, pantallas,...), las características visuales de los objetos (formas, texturas, colores,
sombras,...). El éxito de muchas aplicaciones depende de un buen diseño en esta primera
etapa. El segundo capítulo se dedicará a estas técnicas.

Dpto. Electrónica, Automática e Informática Industrial 27

Carlos Platero Apuntes de Visión Artificial

Una vez adquirida la imagen se pasará a la etapa de preprocesado. El objetivo es

mejorar la calidad informativa de la imagen adquirida. Se incluyen operaciones de
mejora de la relación señal-ruido (denoising), SNR, de atenuar las imperfecciones de la
adquisición debido a la función de transferencia del sistema de captación de
imágenes(deconvolution), de regularizar la imagen, de mejorar el contraste o de
optimizar la distribución de la intensidad (enhancement) o de realzar algunas
características de la imagen, como bordes o áreas. Algunas de estas prácticas serán
desarrolladas en el tercer y cuarto capítulo.

Figura 1. 18 Etapas de una aplicación de visión artificial

Segmentación es la fase donde se particiona la imagen en áreas con significado.

Por ejemplo, en una imagen de satélite se determina las zonas de agua, de cultivo,
urbanas, carreteras, ... Existen varias técnicas: umbralizaciones, discontinuidades,
crecimiento de regiones, uso del color o de movimiento, etc. Estas estrategias serán
analizadas en el capítulo quinto.

Una vez dividida la imagen en zonas con características de más alto nivel se
pasará a su extracción de las características. Básicamente son de tipo morfológico, tales
como área, perímetro, excentricidad, momentos de inercia, esqueletos, pero también se
pueden emplear características basadas en la textura o en el color.

Fíjese que se ha pasado de una información visual primaria a algo más

elaborado. Con las características analizadas de cada región se debe de clasificar e
interpretar. Por tanto, se diseñarán clasificadores que le dé a cada área segmentada una
etiqueta de alto nivel, como por ejemplo, en una imagen aérea qué zonas son tierras de
cultivo, áreas urbanas, etc. Existe un elenco de técnicas de clasificación, como redes
neuronales, sistemas expertos, lógica borrosa, clasificadores estadísticos, etc.

Otras presentaciones sobre las distintas etapas de la Visión Artificial son

expuestas por otros autores. La más clásica es la dada por Gonzalez y Woods

28 Dpto. Electrónica, Automática e Informática Industrial

 Apuntes de Visión Artificial Capítulo 1: Introducción a la Visión Artificial

mencionando tres tipos de nivel de información: bajo, medio y alto. La información de

bajo nivel está dada por las etapas de adquisición y procesado, las de medio nivel son
las de segmentación y extracción de las características y las de alto nivel con las etapas
de reconocimiento e interpretación.

El valor añadido de esta presentación es la ubicación del conocimiento en el

centro de todas estas etapas. Los problemas de análisis de imágenes están mal
condicionados y todas las etapas exigen de un conocimiento a priori sobre la
problemática. La mayoría de las escenas que aborda la Visión Artificial son
estructuradas, esto es, todos los elementos de iluminación están determinados y los
objetos a capturar son previsibles. Por el contrario, una escena es no estructurada,
cuando los objetos a visualizar son imprevisibles y la iluminación puede variar con el
tiempo. Desde luego, la complejidad de los escenarios no estructurados se sale
actualmente de la disciplina de la Visión Artificial.

Figura 1. 19 Niveles de procesamiento: bajo, medio, alto

Por último, indicar que la evolución de las etapas, en forma de flujograma, es

una simplificación. En la puesta en práctica exige constantes realimentaciones entre los
distintos niveles de información, interactuando, además, con el conocimiento. Como se
ha comentado, el objetivo de la Visión Artificial es hacer algoritmos más sofisticados.
En un futuro, que parece muy lejano, se desearía que ante un escenario cualquiera, la
máquina pudiera describir con sentencias de alto nivel, las imágenes que están captando.
El mundo del cine se ha hecho eco de estas cualidades de percepción, mostrándolo
como algo cercano en el tiempo y este autor piensa que ni en cien años estará.

1.4 Disciplinas relacionadas con la Visión Artificial

Un proyecto de Visión Artificial suele ser de tipo multidisciplinar. La ejecución

de las distintas etapas, mencionadas en el apartado anterior, requiere del manejo de las
siguientes técnicas:

Dpto. Electrónica, Automática e Informática Industrial 29

 Carlos Platero Apuntes de Visión Artificial

ƒ Fotografía y Óptica: Crear el ambiente de iluminación adecuada en la

adquisición de las imágenes, muchas veces requiere del uso de técnicas
profesionales de fotografía y vídeo. La selección de la óptica y de la
cámara, el uso de filtros y polarizadores, las técnicas de iluminación con
pantallas y la elección de los tipos de focos son algunas habilidades que
se pueden mencionar.

ƒ Procesamiento Digital de las Imágenes (Image Processing): Hace

referencia a los algoritmos de computación que convierte la imagen
digital adquirida en otra de mayor relevancia. Es muy difuso la
separación entre el procesamiento de imágenes y la Visión Artificial.

ƒ Reconocimiento de Patrones (Pattern Recognition): disciplina, dentro de

la Inteligencia Artificial, dedicada a la clasificación de las señales y a la
búsqueda de patrones existentes dentro de éstas. Se encuentran incluidas
las técnicas de clasificadores estadísticos, Redes Neuronales, Sistemas
Expertos, Lógica Borrosa, ...

ƒ Computación Gráfica (Computer Graphics): Presenta el problema

inverso de la Visión Artificial. Si en Visión se desea extraer las
características físicas de las imágenes, la Computación Gráfica se dedica
a la presentación visual de los modelos geométricos. Cada vez más, la
Visión Artificial emplea la Computación Gráfica para representar las
conclusiones extraídas del análisis de las imágenes adquiridas.

La naturaleza del proyecto hace que se incida en una disciplina más que en otra.
Por ejemplo, en un problema de inspección visual de piezas, la parte de la formación de
las imágenes suele ser fundamental, mientras que un análisis de imágenes de una
tomografía tiene más importancia el procesamiento y la computación gráfica.

1.5 Aplicaciones

El número de aplicaciones relacionadas con la Visión Artificial aumenta cada

día. En la tabla adjunta se citan algunos de los campos donde es empleada esta
disciplina.

30 Dpto. Electrónica, Automática e Informática Industrial

 Apuntes de Visión Artificial Capítulo 1: Introducción a la Visión Artificial

Área de producción Aplicación

Inspección de productos Exploración del Espacio

(papel, aluminio,
acero,...)
Identificación de piezas
Control de calidad Etiquetados (fechas de
caducidad,...)
Inspección de circuitos
impresos
Control de calidad de los
alimentos (naranjas,...)
Control de soldaduras
Robótica
Guiado de robots
(vehículos no tripulador)
Análisis de imágenes de
microscopía ( virus,
células, proteinas )
Biomédicas
Resonancias magnéticas,
tomografías, genoma
humano
Tabla 1.2 Aplicaciones de la visión artificial
Astronomía
Reconocimiento de Control de cheques,
caracteres inspección de textos, ...
Matrículas de coches
Control de tráfico
Tráfico viario
Predicción del tiempo
Meteorología
Interpretación de
fotografías aéreas
Agricultura
Control de plantaciones
Seguimiento de objetivos
Militares
Vigilancia por satélites

1.6 Problemas

1. Teoría dual de la luz.

2. Flujo luminoso, intensidad lumínica, iluminación y radiación.

3. Temperatura de color.

4. Visión fóvea y visión periférica.

5. Comparación entre la visión humana y la artificial.

6. Arquitectura física de un sistema de Visión Artificial.

7. Etapas que se aplican en un proyecto de Visión Artificial.

8. Disciplinas relacionadas con la Visión Artificial.

9. Aplicaciones y áreas en las que trabaja la Visión Artificial.

Dpto. Electrónica, Automática e Informática Industrial 31

Carlos Platero Apuntes de Visión Artificial

Derecho de Autor © 2007 Carlos Platero Dueñas.

Permiso para copiar, distribuir y/o modificar este documento bajo los términos
de la Licencia de Documentación Libre GNU, Versión 1.1 o cualquier otra
versión posterior publicada por la Free Software Foundation; sin secciones
invariantes, sin texto de la Cubierta Frontal, así como el texto de la Cubierta
Posterior. Una copia de la licencia es incluida en la sección titulada "Licencia de
Documentación Libre GNU".

La Licencia de documentación libre GNU (GNU Free Documentation

License) es una licencia con copyleft para contenidos abiertos. Todos los contenidos
de estos apuntes están cubiertos por esta licencia. La version 1.1 se encuentra en
http://www.gnu.org/copyleft/fdl.html. La traducción (no oficial) al castellano de la
versión 1.1 se encuentra en http://www.es.gnu.org/Licencias/fdles.html

32 Dpto. Electrónica, Automática e Informática Industrial